基于深度学习的盾构施工故障预测模型研究

发布时间：2023-03-11 20:33

　　随着我国城市建设的发展,各大城市的地铁和地下管廊建设项目日益增多。这类地下工程进行隧道施工时,经常会采用盾构作为主要挖掘设备。盾构系统构成的复杂性和所处的恶劣工作环境,使得盾构在施工过程中经常会出现各种故障。这些故障不但会影响项目进度、造成经济损失,严重时还会危及到工作人员及工地周边的安全。因此有关盾构机施工故障的相关研究能够帮助施工人员及时发现问题,进行有效决策,调整盾构施工状态,并且有助于管理人员进行盾构施工的项目进度和质量安全控制,有助于盾构施工工程的项目管理工作。随着技术发展,盾构机在掘进过程中可以通过遍布盾构各处的传感器监测和收集大量的盾构机施工参数数据。通过梳理国内外盾构施工参数和故障的相关研究发现,盾构施工参数和盾构机施工故障之间存在着密切的联系。因此,本文采用数据科学的方法,探寻盾构施工参数数据与盾构故障之间的关系。针对盾构在实际施工过程中同一时刻往往存在着多类施工故障的问题,本文以机器学习、深度学习的相关模型和理论为基础,研究了利用盾构施工参数数据进行盾构机施工故障预测的方法。尤其是对于如何识别盾构施工时序数据中隐含的盾构机故障信息这一问题,设计了基于深度学习长短期记...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究内容及技术路线
        1.2.1 研究内容
        1.2.2 技术路线
    1.3 论文的结构与组织框架
第2章 理论研究综述
    2.1 关于盾构机参数分析的相关研究
    2.2 关于盾构机故障诊断的相关研究
    2.3 研究现状总结
第3章 盾构机施工数据库
    3.1 实验数据来源
    3.2 盾构施工数据库设计
        3.2.1 盾构机施工参数表
        3.2.2 地质表
        3.2.3 风险源表
        3.2.4 盾构机施工故障表
    3.3 实验数据处理
        3.3.1 数据清理
        3.3.2 平衡数据集
第4章 盾构故障预测模型流程设计
    4.1 盾构故障预测模型的处理流程
    4.2 长短期记忆网络(LSTM)
    4.3 模型数据准备过程
    4.4 基于多标签的模型评估指标
第5章 基于PCA-LSTM的盾构多故障预测模型研究
    5.1 盾构故障预测模型对比
    5.2 PCA盾构施工参数降维
        5.2.1 PCA计算过程
        5.2.2 PCA降维结果
    5.3 LSTM模型网络结构及超参数设置
        5.3.1 LSTM模型网络结构设计
        5.3.2 LSTM模型超参数设置
    5.4 预测结果评估
        5.4.1 测试集说明
        5.4.2 模型预测结果及评估
总结与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果



本文编号：3760193